論文の概要: Unsupervised Beyond-Standard-Model Event Discovery at the LHC with a Novel Quantum Autoencoder
- arxiv url: http://arxiv.org/abs/2407.07961v1
- Date: Wed, 10 Jul 2024 18:01:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-12 21:48:59.190904
- Title: Unsupervised Beyond-Standard-Model Event Discovery at the LHC with a Novel Quantum Autoencoder
- Title（参考訳）: 新規量子オートエンコーダを用いたLHCにおける非教師なしモデルイベント発見
- Authors: Callum Duffy, Mohammad Hassanshah, Marcin Jastrzebski, Sarah Malik,
- Abstract要約: 本研究は,大型ハドロン衝突型加速器の標準モデルを超える物理を同定するための教師なし異常検出の可能性を探るものである。
本稿では,この課題に特化して設計された新しい量子オートエンコーダ回路アンサッツを提案する。
量子オートエンコーダ回路の特性について検討し,絡み合いと魔法に着目した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study explores the potential of unsupervised anomaly detection for identifying physics beyond the Standard Model that may appear at proton collisions at the Large Hadron Collider. We introduce a novel quantum autoencoder circuit ansatz that is specifically designed for this task and demonstrates superior performance compared to previous approaches. To assess its robustness, we evaluate the quantum autoencoder on various types of new physics 'signal' events and varying problem sizes. Additionally, we develop classical autoencoders that outperform previously proposed quantum autoencoders but remain outpaced by the new quantum ansatz, despite its significantly reduced number of trainable parameters. Finally, we investigate the properties of quantum autoencoder circuits, focusing on entanglement and magic. We introduce a novel metric in the context of parameterised quantum circuits, stabilizer 2-R\'enyi entropy to quantify magic, along with the previously studied Meyer-Wallach measure for entanglement. Intriguingly, both metrics decreased throughout the training process along with the decrease in the loss function. This appears to suggest that models preferentially learn parameters that reduce these metrics. This study highlights the potential utility of quantum autoencoders in searching for physics beyond the Standard Model at the Large Hadron Collider and opens exciting avenues for further research into the role of entanglement and magic in quantum machine learning more generally.
- Abstract（参考訳）: 本研究は、大型ハドロン衝突型加速器における陽子衝突に現れる可能性のある標準モデルを超えて、物理を同定するための教師なし異常検出の可能性を探るものである。
本稿では,この課題に特化して設計された新しい量子オートエンコーダ回路アンサッツを提案する。
そのロバスト性を評価するため、様々な種類の新しい物理「信号」イベントと様々な問題サイズについて量子オートエンコーダの評価を行った。
さらに、従来提案されていた量子オートエンコーダよりも優れていたが、トレーニング可能なパラメータの数が大幅に減少しているにもかかわらず、新しい量子アンサッツに圧倒され続けている古典的オートエンコーダを開発した。
最後に,量子オートエンコーダ回路の特性について検討し,絡み合いと魔法に着目した。
本稿では,パラメータ化量子回路,安定化器2-R'enyiエントロピーによる魔法の定量化,および従来研究されていた絡み合いのメイヤー・ワラッハ測度について紹介する。
興味深いことに、両方の指標は、損失関数の減少とともにトレーニングプロセス全体で低下した。
これは、モデルがこれらのメトリクスを減らすパラメータを優先的に学習していることを示唆しているようだ。
この研究は、大型ハドロン衝突型加速器の標準モデルを超えて物理学を探索する量子オートエンコーダの潜在的有用性を強調し、量子機械学習における絡み合いと魔法の役割をより一般的に研究するためのエキサイティングな道を開く。
関連論文リスト
- Guided Quantum Compression for Higgs Identification [0.0]
量子機械学習は、データを解析するための根本的に斬新で有望なアプローチを提供する。
本研究では,従来のオートエンコーダを独立処理ステップとして使用することにより,量子機械学習アルゴリズムの分類性能を大幅に低下させることができることを示す。
我々は、前処理と量子分類アルゴリズムを単一のトレーニング可能なモデル、すなわちガイド付き量子圧縮モデルに統合するアーキテクチャを設計する。
論文 参考訳（メタデータ） (2024-02-14T19:01:51Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum anomaly detection in the latent space of proton collision events
at the LHC [1.0480625205078853]
教師なし量子機械学習アルゴリズムに基づくLHCにおける異常検出のための新しい手法を提案する。
カーネルベースの異常検出では、量子モデルが古典的よりも大幅に優れている状態を特定する。
観測された一貫した性能優位性は、使用した回路の固有量子特性と関係があることを実証する。
論文 参考訳（メタデータ） (2023-01-25T19:00:01Z) - Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。
その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文 参考訳（メタデータ） (2023-01-23T19:23:54Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳（メタデータ） (2022-09-12T15:47:44Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - Analytical and experimental study of center line miscalibrations in M\o
lmer-S\o rensen gates [51.93099889384597]
モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。
我々はゲート進化演算子を計算し、関連する鍵特性を得る。
我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
論文 参考訳（メタデータ） (2021-12-10T10:56:16Z) - Anomaly detection in high-energy physics using a quantum autoencoder [0.0]
LHCにおける異常検出問題に対する変分量子回路に基づく量子オートエンコーダについて検討する。
QCD $tbart$ 背景および共鳴重ヒッグス信号に対して、単純な量子オートエンコーダは古典的オートエンコーダよりも優れており、非常に効率的に訓練することができる。
このことは、量子オートエンコーダが将来のLHCにおける高エネルギー物理データを解析するための良い候補であることを示している。
論文 参考訳（メタデータ） (2021-12-09T14:38:14Z) - Model-Independent Error Mitigation in Parametric Quantum Circuits and
Depolarizing Projection of Quantum Noise [1.5162649964542718]
与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。
Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。
現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
論文 参考訳（メタデータ） (2021-11-30T16:08:01Z) - On exploring practical potentials of quantum auto-encoder with
advantages [92.19792304214303]
量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。
我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。
低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Noise-Assisted Quantum Autoencoder [7.33811357166334]
以前の量子オートエンコーダは、ハイランク混合状態の圧縮と回復に失敗した。
本稿では,ノイズ支援型量子オートエンコーダアルゴリズムを提案する。
純状態アンサンブル圧縮には、投影された量子オートエンコーダアルゴリズムも導入する。
論文 参考訳（メタデータ） (2020-12-15T14:39:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。